电子商务推荐系统研究
- 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。
电子商务推荐系统研究
摘要:简要介绍了电子商务推荐系统的概念、作用及其组成模块,系统介绍了基于协同过滤的推荐技术、基于内容的推荐技术、基于效用的推荐技术、基于知识的推荐技术、基于用户统计的推荐技术等六种推荐技术,并描述了电子商务推荐系统的工作流程,重点阐述了未来电子商务推荐系统的研究方向。
关键词:推荐系统;电子商务;协同过滤
一电子商务推荐系统概念及作用
推荐系统就是一个能够在分析用户以往的使用行为的基础上,能够破解用户需求并提出建议的信息系统,该信息系统实际上市网站与用户之间的一个行为对话系统。(刘杰决策支持系统应用的一个新领域:电子商务推荐系统管理学家2008 297-299)推荐系统的有效性取决于提供个性化服务的深度和能够充分减少信息超载以及增加用户的满意度,它已经成为决策支持系统(Decision Support Systems—DSS)的一个重要的研究方向。
Resnick & Varian 在1997 年给出了电子商务推荐系统( Recommender Systems) 正式的定义,指利用电子商务网站向客户提供商品信息和建议, 帮助用户决定应该购买什么产品,模拟销售人员帮助客户完成购买过程。(Resnick, Varian.Recommender munication of the ACM, 1997,40(3):56-58.)电子商务推荐系统最大的优点在于它能收集用户感兴趣的资料,并根据用户兴趣偏好主动为用户作出个性化推荐。电子商务推荐系统作用主要表现在以下几个方面:①将电子商务网站的浏览者转变为购买者者( Converting Browsers into Buyers);②提高电子商务网站的交叉销售能力(Cross-Sell);③减少消费者成本(时间、资金等),满足顾客需求,增加其满意度;④增加卖家产品浏览度,从而提高卖家收益。
二电子商务推荐系统的组成
推荐系统面对的是用户(user),任务是为用户提供对项目(item)的推荐。用户是指推荐系统的使用者,也就是电子商务活动中的客户。项目是被推荐的对象,是指电子商务活动中提供给客户选择的产品和服务,也就是最终推荐系统返回给用户的推荐内容。在一个电子商务活动中,用户数和项目数是非常多的。推荐系统面对的当前用户,称为目标用户或者活动用户。推荐系统的当前工作,就是为根据一定的算法,给出对目标用户的推荐项目。
电子商务推荐系统主要由三大部分构成:输入模块、推荐方法模块和输出模块。输入模块用来接受用户的输入信息,输入主要来自个人和社团群体两部分。个人输入主要指目标用户,即要求获得推荐的人,为得到推荐必须对一些项目进行评价,以表达自己的偏好,包括
隐式浏览输入、显式浏览输入、关键词和项目属性输入以及用户购买历史等;社团群体输入主要指集体形式的评价数据,包括项目属性、社团购买历史、文本评价和等级评分等。其中用户的输入信息中最重要的是用户对项目的评价(rating)数据;
推荐方法模块用来根据一定算法,根据用户数据,得出对目标用户的推荐,该模块是整个推荐系统的核心部分,个性化推荐方面的研究的很大一部分,都集中在找到好的推荐方法。
输出模块主要是指得到的推荐以何种形式反馈给用户。主要的形式有:(余力,刘鲁.电子商务个性化推荐研究.计算机集成制造系统.2004(10):1306-1309)①建议(suggestion),分为单个建议(single item)、未排序建议列表(unordered list )和排序建议列表(ordered list ),典型的如Top-N:根据客户的喜好向客户推荐最可能吸引客户的N 件产品;②预测(prediction), 系统对给定项目的总体评分;③个体评分( individual rat ing),输出其他客户对商品的个体评分;
④评论( Review ),输出其他客户对商品的文本评价。
二电子商务推荐系统的关键技术
电子商务系统根据其所采用推荐技术大致可以分为几类:一是基于协同过滤技术的推荐系统,所采用的技术是协同过滤;二是基于内容过滤的推荐系统,所采用的技术是信息过滤;三是基于知识发现推荐系统,所采用的技术是知识发现,搜索与数据挖掘技术;四是一些非主流推荐系统,比如基于统计、效用的推荐系统,如贝叶斯网络、神经网络等。此外还有一些组合技术和交互式推荐等。其中使用较多的是协同过滤,内容过滤,知识发现等。如图为几个主要的推荐技术示意图1所示。
1.基于协同过滤的推荐技术
基于协同过滤的推荐时目前研究最多的个性化推荐技术,它根据其他用户的观点产生对目标用户的推荐列表,推荐的个性化程度高。在协同过滤推荐系统中,用户描述的典型方法是采用以商品及其评价为分量的向量来表示,向量将随着用户与系统交互时间的增加而不断增大,协同过滤推荐的核心思想是认为用户倾向于购买具有相似意向的用户群所购买的商品,因而它在预测某个用户的商品购买倾向时是根据一个用户群的情况而决定的,现在著名的基于系统过滤的推荐系统有Group/Net、Tapesty等。协同过滤的最大优点是对推荐对象没有特殊的要求,能处理非结构化的复杂对象,如音乐、电影。协同过滤主要分为三类:一是最近邻协同过滤推荐;二是基于项目的协同过滤推荐;三是基于模型的协同过滤推荐。
最近邻协同过滤推荐是当前最成功的推荐技术;基于项目的协同过滤推荐根据用户对相似项目的评分预测该用户对目标项目的评分;基于模型的协同过滤推荐,先用历史数据的都一个模型,再用此模型进行预测。基于模型的推荐广泛采用的技术包括神经网络等学习技术。(Ben J,Konstan J A,John R.E-commerce recommendation applications[R].University of Minnersota,2001)潜在语义检索和贝叶斯网络,训练一个样本得到模型。
2.基于内容的推荐技术
基于内容的推荐时信息过滤的继续和发展,商品通过相关特征的属性来定义,系统基于用户评价对象的特征学习用户的兴趣,依据用户资料与待预测项目的匹配程度进行推荐。基于内容的土建需要进行匹配计算,较多地应用于可计算的文本领域,如浏览页面的推荐,新闻组中新闻推等,其缺点是不能为用户发现新的感兴趣的信息,只能推荐与用户已有兴趣相似的信息。例如NewsWeeder新闻组过滤文本推荐系统就是采用文本中的单词作为文本的特征,系统通过学习用户已评价过的商品特征来获得对用户兴趣的描述。
用户描述类型的产生取决于系统所采用的学习方法,判定树、神经网络、基于向量的表示等技术都可应用于其中。基于内容推荐的用户描述是长效型的,它将随着系统对用户偏好的学习不断更新。
3.基于效用的推荐技术
基于效用的推荐建立在用户需要和可选集之间匹配的评估之上。通过计算商品对用户的效用来做出推荐,其核心问题是如何为每一位用户创造出合适的效用函数。基于效用的推荐其用户描述是系统为用户创造的效用函数,采用受限制满足技术来确定最佳匹配,它的优点是能在效用函数中考虑如何提供商的可靠性、产品的可获取性和可用性等非产品因素。(黎星星, 黄小琴, 朱庆生.电子商务推荐系统研究[J].计算机工程与科学, 2007.26(5): 7-10.)
4.基于知识的推荐技术
基于知识的推荐技术是通过判断用户的需要来做出推荐,它具有特定商品满足特定用户需要的知识,并由此推导出用户需要与某一推荐物品的相互关系。基于知识的推荐其用户描述可以是支持这种推导的任何知识结构,各方法因所用的知识的不同而有明显的区别。5.基于用户统计的推荐技术
基于用户统计的推荐时根据用户个人属性对用户分类,再基于类对类中的用户统计信息进行推荐。用户个人信息可通过交互式对话来收集,可采用机学习来建立一个基于用户统计信息的分类器,永固的反应与人工创建的模式库相匹配。基于用户统计的推荐系统与协同过滤推荐系统实际使用的数据完全不同,其优点在于不需要用户评价历史数据。
三电子商务推荐系统的工作流程
虽然电子商务推荐系统的种类很多,所采用的推荐技术也不尽相同,但各种推荐系统工作流程基本相同。主要包括数据采集、数据预处理、形成推荐和结果显示灯环节。(吴恒亮,张巍巍.电子商务推荐系统中推荐技术的比较研究.物流技术.2009(11):57-59)电子商务推荐系统的一般工作流程如图2所示。